Miary zależności - analiza statystyczna na przykładzie wybranych walorów rynku metali nieżelaznych

• Autorzy: Dominik Krężołek

Warianty tytułu

Dependency Measures - Statistical Analysis Using Selected Assets from Non-ferrous Metals Market

• Języki publikacji: PL

Abstrakty

Szeregi czasowe obserwowane na rynkach kapitałowych oraz towarowych cechują się wysokim poziomem zmienności w czasie, a także wykazują charakter nieliniowy. W przypadku zwiększania się stopnia zmienności cen aktywów na rynku oraz gdy ich stopy zwrotu generują wartości ujemne można obserwować właśnie jednokierunkowe zmiany cen analizowanych walorów. Związki tego rodzaju występują również w sytuacji pojawienia się obserwacji w szeregu czasowym, które w istotnym stopniu odchylają się od wartości oczekiwanej. Dodatkowo stopy zwrotu cechują się asymetrią, wysokim wskaźnikiem leptokurtozy1 oraz brakiem normalności rozkładu. Wspomniane charakterystyki, stanowiące istotny punkt przy wyborze modelu opisującego charakter szeregu, powodują, iż współczynnik korelacji liniowej Pearsona, mierzący liniowy związek pomiędzy dwiema zmiennymi losowymi, nie jest do końca odpowiednią miarą zależności. Problem ten może zostać rozwiązany poprzez zastosowanie alternatywnych mierników, takich jak tau Kendalla czy rho Spearmana. Ponadto ważnym zagadnieniem jest analiza zależności występujących w ogonach rozkładów prawdopodobieństwa analizowanych stóp zwrotu, co jest szczególnie istotne z punktu widzenia zarządzania ryzykiem inwestycyjnym. (fragment tekstu)

EN

The analysis of investment risk is strongly associated with the knowledge of dependency structure between assets. The aim of this paper is to present some dependency and concordance measures between random variables. Such measures as Pearson coefficient of correlation, Kendall's tau and Spearman's rho has been discussed. Moreover, the measures of tail dependencies has been presented. An empirical analysis has been carried out using selected assets from non-ferrous metals market. (original abstract)

Słowa kluczowe

PL

Ryzyko inwestycyjne; Szeregi czasowe; Analiza statystyczna; Zmienne losowe; Współczynnik korelacji rang Spearmana

EN

Investment risk; Time-series; Statistical analysis; Random variable; Spearman's rank correlation coefficient

• Czasopismo: Studia Ekonomiczne / Uniwersytet Ekonomiczny w Katowicach
• Rocznik: 2014
• Numer: nr 192 Wielowymiarowe modelowanie i analiza ryzyka II
• Strony: 59--82

Twórcy

autor

Dominik Krężołek

• Uniwersytet Ekonomiczny w Katowicach

Bibliografia

• Bjerve S., Doksum K.: Correlation Curves: Measures of Association as Functions of Covariate Values. "The Annals of Statistics" 1993, Vol. 21, No. 2, s. 890-902.
• Dhaene J., Goovaerts M.J.: Dependency of Risks and Stop-loss Order. "Austin Bulletin" 1996, Vol. 26, No. 2, s. 201-212.
• Doman R.: Zastosowanie kopuli w modelowaniu dynamiki zależności na rynkach finansowych. Wydawnictwo Uniwersytetu Ekonomicznego, Poznań 2011.
• Embrechts P., McNeil A.J., Straumann D.: Correlation and Dependence in Risk Management: Properties and Pitfalls. W: Risk Management: Value at Risk and Beyond. Ed. M.A.H. Dempster. Cambridge 2002, s. 176-223.
• Fama E.F.: The Behavior of Stock Market Prices. "Journal of Business" 1965, Vol. 38, No. 1, s. 34-105.
• Gurgul P., Syrek R.: Zastosowanie mieszanki kopuł do modelowania współzależności pomiędzy wybranymi sektorami gospodarki. "Ekonomia Menedżerska" 2009, nr 6, s. 129-139.
• Kruskal W.H.: Ordinal Measures of Association. "Journal of the American Statistical Association" 1958, No. 53, s. 814-861.
• Lyubushin Jr. A.A.: Robust Wavelet-aggregated Signal for Geophisical Monitoring Problems. "Izvestiya, Physics of the Solid Earth" 2002, Vol. 38, No. 9, s. 1-17.
• Malevergne Y., Sornette D.: Extreme Financial Risk. From Dependence to Risk Management. Springer-Verlag, Berlin, Heidelberg 2006.
• Mandelbrot B.: The Variation of Certain Speculative Prices. "Journal of Business" 1963, Vol. 36, No. 4, s. 394-419.
• Meerschaert M.M., Scheffler H.: Sample Cross-correlations for Moving Averages with Regularly Varying Tails. "Journal of Time Series Analysis" 2001, Vol. 22, No. 4, s. 481-492.